CN115022796A - 基于蓝牙无线通信的人群密集度判断方法及系统 - Google Patents
基于蓝牙无线通信的人群密集度判断方法及系统 Download PDFInfo
- Publication number
- CN115022796A CN115022796A CN202210511466.2A CN202210511466A CN115022796A CN 115022796 A CN115022796 A CN 115022796A CN 202210511466 A CN202210511466 A CN 202210511466A CN 115022796 A CN115022796 A CN 115022796A
- Authority
- CN
- China
- Prior art keywords
- matrix
- crowd density
- bluetooth
- dbm
- crowd
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004891 communication Methods 0.000 title claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000002265 prevention Effects 0.000 abstract description 5
- 239000013589 supplement Substances 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/025—Services making use of location information using location based information parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种基于蓝牙无线通信的人群密集度判断方法及系统,包括:检测一区域的手机蓝牙RSSI值和信号到达角;根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。本发明可作为现有基于图像处理人群密度判断方法的替代或补充,尤其适用地下或室内空间的人群密集度判断,包括但不限于地铁、车厢、学校、景区、商场等。本发明能够用于新冠疫情的防控,所提供的人群密集度判断方法可以实现时空交集人员信息的精准、高效采集,对缓解当前巨大的疫情防范及医疗压力具有重大意义。
Description
技术领域
本发明涉及无线通信技术、城市轨道交通运营技术领域,具体地,涉及一种基于蓝牙无线通信的人群密集度判断方法及系统。
背景技术
随着通信及定位技术的发展,利用卫星定位、运营商基站信号以及视频图像等判断人员密集度的方法层出不穷,但对于地铁站厅、车厢、学校、景区、商场等封闭空间,卫星、运营商基站或监控未全面覆盖的场景中人员密集度仍没有较完善的判断方法,只能利用运营商基站信号等对其进行粗略的估计。
鉴于通过现有技术手段确认上述场景中人员密集度的难度较大,因此采用一种更精确、更灵活且更高效的人群密集度判断方法,来作为现有人群密集度判断的代替或辅助方法意义巨大。
而且在新冠疫情传播的背景下,对人群密集度的精确把控极为重要,通过合理的科学方法精准把控人员密集度,也能够对缓解当前巨大的疫情防范及医疗压力做出巨大贡献。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种基于蓝牙无线通信的人群密集度判断方法及系统。
根据本发明提供的基于蓝牙无线通信的人群密集度判断方法,包括:
步骤S1:检测一区域的手机蓝牙RSSI值和信号到达角;
步骤S2:根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;
步骤S3:对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';
步骤S4:计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。
优选地,每隔时间Δt对该区域的手机蓝牙RSSI值和信号到达角进行一次检测。
优选地,所述人群密集度判断矩阵Q为11*11矩阵,所述人群密集度判断矩阵Q为:
其中,x6-6为矩阵的中心点,代表检测者所在位置,RSSI值设定为P0,矩阵Q中的中心点正上方为基准方向;数据x1-1、x1-11、x11-1、x11-11所在行列代表RSSI值为处于P1dBm~P2dBm范围内的用户RSSI值;数据x2-2、x2-10、x10-2、x10-10所在行列代表RSSI值为处于P2dBm~P3dBm范围内的用户RSSI值;数据x3-3、x3-9、x9-3、x9-9所在行列代表RSSI值为处于P3dBm~P4dBm范围内的用户RSSI值;数据x4-4、x4-8、x8-4、x8-8所在行列代表RSSI值为处于P4dBm~P5dBm范围内的用户RSSI值;数据x5-5、x5-7、x7-5、x7-7所在行列代表RSSI值为处于P5dBm~P6dBm范围内的用户RSSI值;
其中P1、P2、P3、P4、P5、P6数值上应满足P1<P2<P3<P4<P5<P6的关系。
优选地,在步骤S2中,规定正北方向的蓝牙信号到达角方向值为0°,到达角方向值逆时针增大,矩阵Q中数据x1-1、x1-11、x11-1、x11-11所在行列范围内的方向按θ1°等间隔进行划分,共分为γ1个角度区间,每个角度区间n1个位置;数据x2-2、x2-10、x10-2、x10-10所在行列范围内的方向按θ2°等间隔进行划分,共分为γ2个角度区间,每个角度区间n2个位置;数据x3-3、x3-9、x9-3、x9-9所在行列范围内的方向按θ3°等间隔进行划分,分为γ3个角度区间,每个角度区间n3个位置;数据x4-4、x4-8、x8-4、x8-8所在行列范围内的方向按θ4°为间隔进行划分,共分为γ4个角度区间,每个角度区间n4个位置;数据x5-5、x5-7、x7-5、x7-7所在行列范围内的方向按θ5°为间隔进行划分,共分为γ5个角度区间,每个角度区间n5个位置,将检测到的手机蓝牙RSSI值按信号到达角对应角度区间及RSSI值所处范围填入矩阵Q中对应位置从而生成所述人群密集度判断矩阵Q。
优选地,在步骤S3中对所述人群密集度判断矩阵Q使用矩阵补全算法进行补全,得到矩阵Q'。
优选地,在步骤S4中,在计算出矩阵Q'的范数,按到如下公式进行计算:
计算出矩阵Q'的F-范数,将m次检测所对应的m个范数按时间顺序依次记为f1、f2、f3、…fm,按公式:
α=S1*f1+S2*f2+S3*f3+…+Sm*fm
将f1、f2和f3进行加权处理,式中S1、S2、S3、…等系数表示权重,权重采用自适应优化算法进行优化,以使得计算出的人群密集度判别参数α具有更高的精确性。
优选地,根据m次检测后计算得出的α值对m*Δt时间段内的人群密集度进行判断。
优选地,设置标准人群密集度判别参数β;
当α<β时说明人群不密集,当α≥β时说明人群较密集。
优选地,当α<β时,采用默认的蓝牙RSSI阈值进行检测;当α≥β时将蓝牙RSSI阈值调整为-90dBm,以收集周围更多手机用户的蓝牙RSSI值和信号到达角,以克服了因人群密集度增大而导致的漏检问题。
本发明提供的基于蓝牙无线通信的人群密集度判断系统,包括如下模块:
信号检测模块,用于检测一区域的手机蓝牙RSSI值和信号到达角;
矩阵生成模块,用于根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;
矩阵补全模块,用于对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';
密度判断模块,用于计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。
与现有技术相比,本发明具有如下的有益效果:
1、本发明充分利用手机蓝牙使用成本低、普及程度高、可操作性强的优点,通过在一定的时间段内检测周围其他手机蓝牙RSSI及到达角等参数,可以精确高效地判断人群密集度,能够避开GPS、运营商基站未完全覆盖的场景中人员密集度判断精准度较低的问题;
2、本发明通过结合检测到的蓝牙RSSI值及信号到达角生成人群密集度判断矩阵Q,并以依次对矩阵Q进行补全、取其范数以及结合自适应优化算法加权处理后得出人群密集度判别参数α,能根据不同目标对计算过程进行相应的调整,最终计算得到的参数α具有较强的实时性,具有极强的参考价值;
3、本发明可作为现有基于图像处理人群密度判断方法的替代或补充,尤其适用地下或室内空间的人群密集度判断,包括但不限于地铁、车厢、学校、景区、商场等,本发明能够用于新冠疫情的防控,所提供的人群密集度判断方法可以实现时空交集人员信息的精准、高效采集,对缓解当前巨大的疫情防范及医疗压力具有重大意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明实施例中基于蓝牙无线通信的人群密集度判断方法的整体流程示意图;
图2为本发明实施例基于蓝牙无线通信的人群密集度判断方法实现时空交集人员信息采集的流程示意图。
图3为本发明实施例中基于蓝牙无线通信的人群密集度判断系统的模块示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进。这些都属于本发明的保护范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例,例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本发明的实施例进行描述。
图1为本发明实施例中基于蓝牙无线通信的人群密集度判断方法的整体流程示意图,图2为本发明实施例基于蓝牙无线通信的人群密集度判断方法实现时空交集人员信息采集的流程示意图,如图1、图2所示,在本发明提供的基于蓝牙无线通信判断人群密集度实现时空交集人员信息采集方法,包括如下步骤:
步骤S1:通过手机蓝牙检测周围其他人的手机蓝牙信号RSSI及信号到达角的参数值;
步骤S2:根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;
在本发明实施例中,每隔时间三分钟进行检测一次,记为一次信息记录。
在本发明实施例中,所述人群密集度判断矩阵Q为11*11矩阵,所述人群密集度判断矩阵Q为:
其中,x6-6为矩阵的中心点,代表检测者所在位置,其值设定为0,矩阵Q中的中心点正上方为正北方向;RSSI值设定为P0;数据x1-1、x1-11、x11-1、x11-11所在行列代表RSSI值为处于P1dBm~P2dBm范围内的用户RSSI值;数据x2-2、x2-10、x10-2、x10-10所在行列代表RSSI值为处于P2dBm~P3dBm范围内的用户RSSI值;数据x3-3、x3-9、x9-3、x9-9所在行列代表RSSI值为处于P3dBm~P4dBm范围内的用户RSSI值;数据x4-4、x4-8、x8-4、x8-8所在行列代表RSSI值为处于P4dBm~P5dBm范围内的用户RSSI值;数据x5-5、x5-7、x7-5、x7-7所在行列代表RSSI值为处于P5dBm~P6dBm范围内的用户RSSI值;
其中P1、P2、P3、P4、P5、P6数值上应满足P1<P2<P3<P4<P5<P6的关系。
更为具体地,数据x1-1、x1-11、x11-1、x11-11所在行列代表RSSI值处于-90dBm~-80dBm范围内的用户RSSI值;数据x2-2、x2-10、x10-2、x10-10所在行列代表RSSI值处于-80dBm~-70dBm范围内的用户RSSI值;数据x3-3、x3-9、x9-3、x9-9所在行列代表RSSI值处于-70dBm~-60dBm范围内的用户RSSI值;数据x4-4、x4-8、x8-4、x8-8所在行列代表RSSI值处于-60dBm~-50dBm范围内的用户RSSI值;数据x5-5、x5-7、x7-5、x7-7所在行列代表RSSI值处于-50dBm~-40dBm范围内的用户RSSI值。
规定正北方向的蓝牙信号到达角方向值为0°,到达角方向值逆时针增大。
在本发明实施例中,矩阵Q中数据x1-1、x1-11、x11-1、x11-11所在行列范围内的方向按θ1°等间隔进行划分,共分为γ1个角度区间,每个角度区间n1个位置;数据x2-2、x2-10、x10-2、x10-10所在行列范围内的方向按θ2°等间隔进行划分,共分为γ2个角度区间,每个角度区间n2个位置;数据x3-3、x3-9、x9-3、x9-9所在行列范围内的方向按θ3°等间隔进行划分,分为γ3个角度区间,每个角度区间n3个位置;数据x4-4、x4-8、x8-4、x8-8所在行列范围内的方向按θ4°为间隔进行划分,共分为γ4个角度区间,每个角度区间n4个位置;数据x5-5、x5-7、x7-5、x7-7所在行列范围内的方向按θ5°为间隔进行划分,共分为γ5个角度区间,每个角度区间n5个位置
更为具体地,矩阵Q中数据x1-1、x1-11、x11-1、x11-11所在行列范围内的方向按36°等间隔进行划分,共分为10个角度区间,每个角度区间4个位置;数据x2-2、x2-10、x10-2、x10-10所在行列范围内的方向按22.5°等间隔进行划分,共分为16个角度区间,每个角度区间2个位置;数据x3-3、x3-9、x9-3、x9-9所在行列范围内的方向按30°等间隔进行划分,分为12个角度区间,每个角度区间2个位置;数据x4-4、x4-8、x8-4、x8-8所在行列范围内的方向按22.5°为间隔进行划分,共分为16个角度区间,每个角度区间2个位置;数据x5-5、x5-7、x7-5、x7-7所在行列范围内的方向按45°为间隔进行划分,共分为8个角度区间,每个角度区间1个位置,将检测到的手机蓝牙RSSI值按信号到达角对应角度区间及RSSI值所处范围填入矩阵Q中对应位置从而生成所述人群密集度判断矩阵Q。
步骤S3:对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';
在本发明实施例中,对矩阵Q使用矩阵补全算法进行补全,得到矩阵Q',然后按照公式:
步骤S4:计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。
在本发明实施例中,先计算出矩阵Q'的F-范数,将一次信息记录时间段内所得的三个范数按时间顺序依次记为f1、f2和f3,按公式:
α=S1*f1+S2*f2+S3*f3
将f1、f2和f3进行加权处理,式中S1、S2、S3等系数表示权重,权重采用自适应优化算法进行优化,计算得出人群密集度判别参数α。
在本发明实施例中,第一次对周围其他手机蓝牙RSSI值及信号到达角的检测时,设定蓝牙RSSI默认阈值为-80dBm,开始收集RSSI值大于阈值的手机用户的时间、方向、距离、手机号/MAC地址以及其他可供分析并追踪时空交集人员的关键信息,汇总成时空交集人员信息表。
在一次信息记录完成后,由计算得出的α值对设定的蓝牙RSSI阈值进行调整,从而能够达到根据人群密集度实时调整设定的蓝牙RSSI阈值、调整检测范围的效果。记β为标准人群密集度判别参数,由当地防疫政策推算得出,计算方法与人群密集度判别参数α相同,当α<β时说明人群不密集,采用默认的蓝牙RSSI阈值进行检测;当α≥β时说明人群较密集,将蓝牙RSSI阈值调整为-90dBm,收集周围更多手机用户的关键信息,克服了因人群密集度增大而导致的漏检问题。
图3为本发明实施例中基于蓝牙无线通信的人群密集度判断系统的模块示意图,如图3所示,在本发明提供的基于蓝牙无线通信的人群密集度判断系统,包括如下模块:
信号检测模块,用于检测一区域的手机蓝牙RSSI值和信号到达角;
矩阵生成模块,用于根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;
矩阵补全模块,用于对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';
密度判断模块,用于计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。
本发明实施例技术效果主要体现在以下方面:利用蓝牙无线通信技术收集时空交集人员信息,结合基于蓝牙无线通信的人群密集度判断方法灵活精准地调整检测的阈值,能够极大地缓解当前巨大的疫情防范及医疗压力,实用性极强。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变形或修改,这并不影响本发明的实质内容。
Claims (10)
1.一种基于蓝牙无线通信的人群密集度判断方法,其特征在于,包括:
步骤S1:检测一区域的手机蓝牙RSSI值和信号到达角;
步骤S2:根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;
步骤S3:对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';
步骤S4:计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。
2.根据权利要求1所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,每隔时间Δt对该区域的手机蓝牙RSSI值和信号到达角进行一次检测。
3.根据权利要求1所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,所述人群密集度判断矩阵Q为11*11矩阵,所述人群密集度判断矩阵Q为:
其中,x6-6为矩阵的中心点,代表检测者所在位置,RSSI值设定为P0,矩阵Q中的中心点正上方为基准方向;数据x1-1、x1-11、x11-1、x11-11所在行列代表RSSI值为处于P1dBm~P2dBm范围内的用户RSSI值;数据x2-2、x2-10、x10-2、x10-10所在行列代表RSSI值为处于P2dBm~P3dBm范围内的用户RSSI值;数据x3-3、x3-9、x9-3、x9-9所在行列代表RSSI值为处于P3dBm~P4dBm范围内的用户RSSI值;数据x4-4、x4-8、x8-4、x8-8所在行列代表RSSI值为处于P4dBm~P5dBm范围内的用户RSSI值;数据x5-5、x5-7、x7-5、x7-7所在行列代表RSSI值为处于P5dBm~P6dBm范围内的用户RSSI值;
其中P1、P2、P3、P4、P5、P6数值上应满足P1<P2<P3<P4<P5<P6的关系。
4.根据权利要求3所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,在步骤S2中,到达角方向值逆时针增大,RSSI数据所在行列范围内的方向按一定的角度等间隔进行划分;
将检测到的手机蓝牙RSSI值按信号到达角对应角度区间及RSSI值所处范围填入矩阵Q中对应位置从而生成所述人群密集度判断矩阵Q。
5.根据权利要求2或3所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,在步骤S3中对所述人群密集度判断矩阵Q使用矩阵补全算法进行补全,得到矩阵Q'。
7.根据权利要求6所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,根据m次检测后计算得出的α值对m*Δt时间段内的人群密集度进行判断。
8.根据权利要求1所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,设置标准人群密集度判别参数β;
当α<β时说明人群不密集,当α≥β时说明人群较密集。
9.根据权利要求8所述的基于蓝牙无线通信的人群密集度判断方法,其特征在于,当α<β时,采用默认的蓝牙RSSI阈值进行检测;当α≥β时将蓝牙RSSI阈值调整为-90dBm,以收集周围更多手机用户的蓝牙RSSI值和信号到达角,以克服了因人群密集度增大而导致的漏检问题。
10.一种基于蓝牙无线通信的人群密集度判断系统,其特征在于,包括如下模块:
信号检测模块,用于检测一区域的手机蓝牙RSSI值和信号到达角;
矩阵生成模块,用于根据所述蓝牙RSSI值和信号到达角生成人群密集度判断矩阵Q;
矩阵补全模块,用于对所述人群密集度判断矩阵Q进行补全,得到矩阵Q';
密度判断模块,用于计算矩阵Q'的范数并用自适应优化加权处理后生成人群密集度判别参数α,根据α对人群密集度进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511466.2A CN115022796B (zh) | 2022-05-11 | 2022-05-11 | 基于蓝牙无线通信的人群密集度判断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210511466.2A CN115022796B (zh) | 2022-05-11 | 2022-05-11 | 基于蓝牙无线通信的人群密集度判断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115022796A true CN115022796A (zh) | 2022-09-06 |
CN115022796B CN115022796B (zh) | 2024-05-17 |
Family
ID=83068941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210511466.2A Active CN115022796B (zh) | 2022-05-11 | 2022-05-11 | 基于蓝牙无线通信的人群密集度判断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115022796B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120063427A1 (en) * | 2009-12-22 | 2012-03-15 | Waldeck Technology, Llc | Crowd formation based on wireless context information |
US20160078758A1 (en) * | 2014-09-12 | 2016-03-17 | Umm Al-Qura University | Automatic update of crowd and traffic data using device monitoring |
CN107396304A (zh) * | 2017-06-29 | 2017-11-24 | 毛国强 | 基于智能手机的实时城市人口密度及人群流动估计方法 |
CN110751226A (zh) * | 2019-10-28 | 2020-02-04 | 苏州大学 | 人群计数模型的训练方法、装置和存储介质 |
CN111242096A (zh) * | 2020-02-26 | 2020-06-05 | 贵州安防工程技术研究中心有限公司 | 基于人数梯度的人群聚集判别方法与系统 |
CN114241411A (zh) * | 2021-12-15 | 2022-03-25 | 平安科技(深圳)有限公司 | 基于目标检测的计数模型处理方法、装置及计算机设备 |
-
2022
- 2022-05-11 CN CN202210511466.2A patent/CN115022796B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120063427A1 (en) * | 2009-12-22 | 2012-03-15 | Waldeck Technology, Llc | Crowd formation based on wireless context information |
US20160078758A1 (en) * | 2014-09-12 | 2016-03-17 | Umm Al-Qura University | Automatic update of crowd and traffic data using device monitoring |
CN107396304A (zh) * | 2017-06-29 | 2017-11-24 | 毛国强 | 基于智能手机的实时城市人口密度及人群流动估计方法 |
CN110751226A (zh) * | 2019-10-28 | 2020-02-04 | 苏州大学 | 人群计数模型的训练方法、装置和存储介质 |
CN111242096A (zh) * | 2020-02-26 | 2020-06-05 | 贵州安防工程技术研究中心有限公司 | 基于人数梯度的人群聚集判别方法与系统 |
CN114241411A (zh) * | 2021-12-15 | 2022-03-25 | 平安科技(深圳)有限公司 | 基于目标检测的计数模型处理方法、装置及计算机设备 |
Non-Patent Citations (3)
Title |
---|
""22261_CR0462r2_(Rel-17)_S1-203406 - quality improvement of TS 22.261 (R17) - editorial"", 3GPP TSG_SA\\TSG_SA, 9 September 2020 (2020-09-09) * |
焦恩伟;吴越;: "基于LTE的人群密度监控及预测", 通信技术, no. 03, 10 March 2017 (2017-03-10) * |
郑洪艳;刘晖;韩丽华;肖雄兵;: "位置服务终端发展趋势分析及研究", 数字通信世界, no. 1, 15 April 2013 (2013-04-15) * |
Also Published As
Publication number | Publication date |
---|---|
CN115022796B (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10542519B2 (en) | Terminal positioning method and network device | |
CN106295787B (zh) | 一种基于移动信令的客流统计方法及装置 | |
Weppner et al. | Bluetooth based collaborative crowd density estimation with mobile phones | |
US8326320B2 (en) | Method and locating device for locating at least one mobile radio subscriber | |
CN107121690B (zh) | 一种基于多运动参数的停留点识别方法和装置 | |
CN104219630A (zh) | 一种基于手机基站模拟器及视频监控的联合搜索定位系统 | |
US20110069173A1 (en) | System and method for automatic camera hand-off using location measurements | |
CN106991146A (zh) | 人流信息统计方法和系统 | |
CN109685740A (zh) | 人脸校正的方法及装置、移动终端及计算机可读存储介质 | |
CN109889974B (zh) | 一种室内定位多源信息指纹库的构建与更新方法 | |
CN102711245B (zh) | 室内环境下wlan区域内两阶段匹配定位方法 | |
CN104301431A (zh) | 一种基于多源大数据gis的重点人群实时监控系统 | |
CN109522794A (zh) | 一种基于全景摄像头的室内人脸识别定位方法 | |
CN108921212A (zh) | 一种图像匹配方法、移动终端及计算机可读存储介质 | |
CN110856117A (zh) | 一种基于wifi和网络摄像机的智能终端追踪方法及装置 | |
CN115022796A (zh) | 基于蓝牙无线通信的人群密集度判断方法及系统 | |
CN106535325A (zh) | 定位方法、信息处理方法、定位装置及信息处理装置 | |
CN112526572A (zh) | 室内外无缝导航的网络切换方法与定位系统 | |
Khullar et al. | Indoor localization framework with WiFi fingerprinting | |
CN108734072A (zh) | 一种多源对象关联方法及装置 | |
CN107343270A (zh) | 一种紧急呼叫的方法及终端 | |
CN107071708A (zh) | 智能移动终端被动无线信号采集及定位方法 | |
CN104602271B (zh) | 一种覆盖优化中问题区域的生成方法及装置 | |
CN110472551A (zh) | 一种提高准确度的跨镜追踪方法、电子设备及存储介质 | |
CN112584036A (zh) | 云台控制方法、装置、计算机设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |